總結

已完成

在本課程模組的案例中,組織的其中一個 Power BI Desktop 資料模型效率較差且造成了問題。 使用者不滿意報表效能,且模型的檔案大小太大,因而造成了組織資源的負擔。

您需要檢閱資料模型來識別造成效能問題的原因,並進行變更以將效能最佳化並縮減模型的大小。

Power BI Desktop 提供各種工具和功能,其可供用來分析並將其資料模型的效能最佳化。 您已開始使用效能分析器和其他工具來檢查量值、關聯性和視覺效果的效能,然後根據分析結果做出改善來進行最佳化程序。 接下來,您使用了變數來撰寫較不複雜且較有效率的計算。 接著,您仔細查看了資料行散發,並降低關聯性的基數。 在該階段,資料模型已進一步最佳化。 您考量若組織使用了 DirectQuery 模型則情況會有什麼不同,然後您找出了從 Power BI Desktop 和來源資料庫將效能最佳化的方法。 最後,您使用了彙總來大幅縮減資料模型的大小。

如果 Power BI Desktop 未提供機會將效率較差的資料模型進行最佳化,則必須在多個資料來源中花費龐大時間來改善其中的資料。 特別是,若沒有 效能分析器,即無法找出報表中對效能造成問題的原因,以及查詢中需要清除的瓶頸。 如此一來,使用者可能會感到挫折和沮喪,且可能會不願意使用報表。

現在您已將報表最佳化,使用者可更快速地存取所需資料,因此更具生產力,工作滿意度也更高。 您對模型檔案大小所進行的縮減能夠降低資源負擔,進而為組織帶來多種好處。 您已順利完成提供給您的工作。

使用效能分析器檢查報表元素效能

在 Power BI Desktop 中套用自動日期/時間

匯入模型的資料減少技術

Power BI Desktop 中的 DirectQuery 模型指南

在 Power BI Desktop 中使用彙總